LA NATURALEZA DEL ENTORNO

 

ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ “MANUEL FÉLIX LÓPEZ”

CARRERA INFORMÁTICA

SEMESTRE SEXTO                PERIODO SEPT./2014-MAR./2015

INTELIGENCIA ARTIFICIAL I

TEMA:

LA NATURALEZA DEL ENTORNO

AUTORA:

MARIA VICTORIA PÁRRAGA MERO

FACILITADORA:

ING. HIRAIDA SANTANA CEDEÑO

MISIÓN

Formación de profesionales íntegros que conjuguen ciencia, tecnología y valores en su accionar, comprometidos con la sociedad en el manejo adecuado de programas y herramientas computacionales de última generación.

VISIÓN

Ser referente en la formación de profesionales de prestigio en el desarrollo de aplicaciones  informáticas y soluciones de hardware.

CALCETA, NOVIEMBRE 2014

INTRODUCCIÓN

Como se ha venido estudiando anteriormente los agentes inteligentes se desenvuelven en diferentes entornos dependiendo de la finalidad de estos, es por esta razón que es necesario conocer las especificaciones del entorno de trabajo, y los tipos de entornos de trabajo, conceptos que son indispensables para poder crear e identificar a los diferentes tipos de agentes que se han venido creando, con identificar me refiero a determinar a qué entornos pertenecen, y cuáles son los actuadores y sensores que estos agentes poseen. A continuación estudiaremos estas temáticas que son importantes en Inteligencia Artificial.

MARCO TEÓRICO

LA NATURALEZA DEL ENTORNO

Una vez definida la racionalidad es necesario que nos centremos en los entornos de trabajo, los agentes racionales son la solución a los entornos de trabajo. Toda naturaleza del entorno se categoriza bajo una serie de principios o propiedades que reflejan de alguna manera las condiciones sobre la cuales de desenvolverán los agentes para resolver un problema. (Rihawi, 2009)

ESPECIFICACIÓN DEL ENTORNO DE TRABAJO

El entorno de trabajo está denominado con el acrónimo REAS que significa Rendimiento, Entorno, Actuadores y Sensores. Para poder diseñar un agente lo primero que se debe hacer es especificar el entorno de trabajo de la manera más completa posible. En los siguientes documentos a mostrarse en el blog tomaremos como ejemplo un taxista automático. La tarea de conducir un automóvil en su totalidad es ilimitada, puesto que no existe un límite entre el número de posibles combinaciones referentes a las distintas circunstancias que pueden surgir, puesto el mundo en el que nos desenvolvemos está constantemente sujeto a cambios. Lo primero que debemos hacer con nuestro taxista automático es definir su entorno de trabajo, y dentro de las cualidades deseables que debería tener se incluye; que llegue al destino correcto; que minimice la utilización de combustible; que reduzca el tiempo de viaje; que posea la cantidad mínima de infracciones de tráfico y que evite dar molestias de otros conductores y no solo eso este taxista automático debe maximiza la seguridad, la comodidad del pasajero y el beneficio, algunos de estos objetivos producirá algún conflicto sin embargo será necesario llegar a un acuerdo. A continuación se mostrará una tabla donde se describe el REAS del entorno de trabajo de un taxista automático. (Russell y Norvig, 2004).

TIPO DE AGENTE	MEDIDAS DE RENDIMIENTO	ENTORNO	ACTUADORES	SENSORES
Taxista	Seguro, rápido, legal, viaje confortable, maximización beneficio.	Carreteras, caminos rurales, autopistas, tráfico, peatones, clientes, policías, baches, muros, clima.	Dirección, acelerados, freno, señales, bocina, visualizador.	Cámaras, sónar, velocímetro, GPS, tacómetro, visualizador de la aceleración, sensores de proximidad, sensores del motor, sensores del sistema eléctrico, sensores infrarrojos teclado.

PROPIEDADES DE LOS ENTORNOS DE TRABAJO

Los entornos de trabajo que se pueden presentar en la Inteligencia artificial es muy amplio, sin embargo se pueden identificar algunos entornos de trabajo.

CONCLUSION

Lo primero que se concluye es que: primordialmente con los agentes se debe determinar el entorno de trabajo, un entorno de trabajo se encuentra constituido por el REAS (Rendimiento, Entorno, Actuadores y Sensores), los entornos de trabajo se deben describir de la manera más completa posible, un agente puede poseer más de una medida de rendimiento, entorno, actuador y sensor, además de esto cabe destacar que un agente puede ser parte de varios tipos de entorno de trabajo.

Existen entornos considerados ideales, en los cuales un agente no tendría mayor problema en desenvolverse, algunos agentes se desenvuelven en estos entornos y otros sin embargo se desenvuelven en ambientes con un nivel mayor de dificultad, lo cual indica que es necesario que un programador o diseñador de un agente inteligente tenga el conocimiento necesario acerca de los entornos de trabajo para de esta manera aseguré el máximo rendimiento de un agente inteligente.

BIBLIOGRAFIA

Rihawi, I. 2009. Agentes Inteligentes y la naturaleza de su entorno. Consultado: 12 de Nov. 2014 Formato: HTML. Disponible en: http://poiritem.wordpress.com/

Russell, S y Norvig, P. 2004. Inteligencia Artificial un enfoque moderno. 2ed. Pearson Educación S.A. Madrid, ES.

Sánchez, L. 2010?. Introducción a los Agentes Inteligentes. Consultado: 8 Nov. 2014. Formato Pdf. Disponible en: http://www.sanchezcrespo.org/

BUEN COMPORTAMIENTO

ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ “MANUEL FÉLIX LÓPEZ”

CARRERA INFORMÁTICA

SEMESTRE SEXTO                PERIODO SEPT./2014-MAR./2015

INTELIGENCIA ARTIFICIAL I

TEMA:

BUEN COMPORTAMIENTO: EL CONCEPTO DE RACIONALIDAD

AUTORA:

MARIA VICTORIA PÁRRAGA MERO

FACILITADORA:

ING. HIRAIDA SANTANA CEDEÑO

MISIÓN

Formación de profesionales íntegros que conjuguen ciencia, tecnología y valores en su accionar, comprometidos con la sociedad en el manejo adecuado de programas y herramientas computacionales de última generación.

VISIÓN

Ser referente en la formación de profesionales de prestigio en el desarrollo de aplicaciones  informáticas y soluciones de hardware.

CALCETA, NOVIEMBRE 2014

INTRODUCCIÓN

En los anteriores archivos presentados en este portafolio digital se definió el concepto de agente inteligente, concepto fundamental para poder hablar sobre el concepto de racionalidad, para recordar en pocas palabras que es un agente inteligente se puede decir que es cualquier cosa que pueda percibir el mundo mediante sensores y actuar sobre el mismo por medio de actuadores, cada concepto que se adquiera sobre los agentes inteligentes y sus entornos permitirá alcanza la meta de la IA que es diseñar un agente racional que actué adecuadamente en sus ambientes, la cátedra del día 4 de noviembre trató diferentes  temáticas, entre ellas el concepto de racionalidad, la cual mediante la lectura y la compresión permitió conocer acerca de las medidas de rendimiento, la racionalidad, la omnisciencia, el aprendizaje y la autonomía que son conceptos fundamentales del buen comportamiento.

MARCO TEÓRICO

BUEN COMPORTAMIENTO

Un agente racional es aquel que hace lo correcto, pero es aquí donde nace la inquietud de saber que es correcto o no, pues bien el concepto de correcto en términos humanos, varía de acuerdo a cada persona, puesto que cada persona es un mundo diferente, pero en Inteligencia Artificial se define hacer lo correcto como aquello que permite al agente obtener el máximo resultado.

Dentro del buen comportamiento trataremos diferentes temas tales como:

•   Medidas de rendimiento
•   Racionalidad
• Omnisciencia, aprendizaje y autonomía 

MEDIDAS DE RENDIMIENTO

Las medidas de rendimiento incluyen los criterios que determinan el éxito en la forma en cómo se comporta el agente, cuando un agente se encuentra en un entorno cualquiera, este realizará acciones de acuerdo a lo que percibe, si la secuencia de acciones es la que se desea o la que se espera se dice que el agente ha actuado de manera correcta. Pero claro está que para saber si se actuado de manera correcta se necesita utilizar medidas de rendimientos objetivas, las cuales las determinarán el diseñador encargado de la construcción del agente. (Russell y Norvig, 2004).

La selección de una medida de rendimiento no es siempre fácil, por eso es necesario determinar qué es lo que se quiere para el entorno, para poder así establecer las medidas de rendimiento de mejor manera. En general o en pocas palabras las medidas de rendimiento, permiten saber si el agente está obteniendo el máximo rendimiento.

RACIONALIDAD

De acuerdo con Russell y Norvig, la racionalidad en un momento determinado depende de cuatro factores:

•  La medida de rendimiento que define el criterio de éxito.
• El conocimiento del medio en el que habita acumulado por el agente.
• Las acciones que el agente puede llevar a cabo.  La secuencia de percepciones del agente hasta este momento.

Todo lo anteriormente expuesto nos lleva a la definición de agente racional en cada posible secuencia de percepciones, un agente racional deberá emprender aquella acción que supuestamente maximice su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de percepciones y en el conocimiento que el agente mantiene almacenado. (Russell y Norvig, 2004).

Un agente racional no es omnisciente, tampoco es clarividente, puesto que la racionalidad, pretende maximizar el resultado esperado, recopilando información.

OMNISCIENCIA, APRENDIZAJE Y AUTONOMÍA

Omnisciencia: un agente omnisciente conoce el resultado de su acción y actúa de acuerdo con él, sin embargo la omnisciencia no es posible, y es aquí donde se determina que la racionalidad no es perfección.

Resulta prácticamente imposible diseñar un agente que siempre lleve a cabo y de forma sucesiva las mejores acciones después de que algo suceda, es por esto que la definición de omnisciencia está alejada de la racionalidad, hasta el momento la racionalidad depende la secuencia de percepciones, pero no por esto se debe permitir que el agente lleve a cabo acciones poco inteligentes. Llevar a cabo acciones con la finalidad de modificar percepciones futuras, es un proceso denominado recopilación de información concepto importante de la racionalidad.

Aprendizaje: en un agente no solo se espera que recopile información sino que aprenda lo que más pueda de acuerdo a todo lo que está percibiendo. Esta claro que un agente debe tener como conocimiento inicial todo lo referente al entorno, pero a medida que el agente adquiere experiencia éste puede modificar y aumentar su conocimiento. Hay casos excepcionales en los que el agente conoce a priori totalmente el entorno, y aquí el agente no necesita percibir ni aprender, sin embargo esta condición los convierte en agentes muy frágiles.

Autonomía: un agente debe ser capaz de aprender y compensar los conocimientos que no están totalmente completados, es decir que no solo se debe apoyar en el conocimiento inicialmente dado por el programador, sino que debe adquirir conocimientos en base a las percepciones. Los agentes que poseen inteligencia artificial deben poseer un conocimiento inicial y además la capacidad de aprender, después de que haya adquirido la suficiente experiencia este debe actuar de manera independiente a los conocimiento que poseía inicialmente. (Russell y Norvig, 2004).

CONCLUSION

Los conocimientos adquiridos en este apartado, dan a conocer muchas características que debe poseer un agente racional, para poder definir si agente está actuando de manera adecuada es necesario medir su rendimiento es decir la capacidad que este posea para realizar sus tareas dentro de un medio y de un tiempo determinado, puesto que lo que se busca mediante la racionalidad del agente es maximizar el rendimiento que se ha establecido, claro está que racionalidad no es igual a perfección, la perfección está ligada a la omnisciencia y un agente omnisciente es prácticamente imposible de crear, ya que no se puede saber con exactitud el resultado final después de realizar una acción, el mundo cambia constantemente de diversas maneras y es esto lo que hace imposible la omnisciencia sin embargo un agente racional debe poseer la capacidad de aprender y de que con el pasar del tiempo se convierta en un organismo autónomo, que aprenda en base a sus percepciones y a las experiencias, y que en un determinado tiempo este agente se vuelva independiente de sus conocimientos iniciales.

BIBLIOGRAFIA

Sánchez, L. 2010?. Introducción a los Agentes Inteligentes. Consultado: 8 Nov. 2014. Formato Pdf. Disponible en: http://www.sanchezcrespo.org/

Russell, S y Norvig, P. 2004. Inteligencia Artificial un enfoque moderno. 2ed. Pearson Educación S.A. Madrid, ES.